Process Supervision（プロセス監督）とは？

01 / UNDERSTAND

仕組みと使いどころ

複数段階の推論を行うモデルに対し、中間の各ステップが妥当かどうかを学習信号として与える。最終結果のみを評価する方法とは、誤りを指摘する位置が異なる。資料の数学問題に関する比較では有効性が示され、能動学習による改善も報告された。一方、人による段階別ラベルには費用がかかり、この結果だけで他の課題にも同じ効果があるとは判断できない。

02 / IN PRACTICE

Process Supervisionの活用例

03 / GOOD TO KNOW

使うときのポイント

最終答えの正否だけでなく、各段階を一貫した基準で評価できるかを確認する。